Tìm hiểu một số phương pháp trích chọn đặc trưng và ứng dụng cho tra cứu ảnh theo nội dung

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC DÂN LẬP HẢI PHÒNG -o0o - TÌM HIỂU MỘT SỐ PHƯƠNG PHÁP TRÍCH CHỌN ĐẶC TRƯNG VÀ ỨNG DỤNG CHO TRA CỨU ẢNH THEO NỘI DUNG ĐỒ ÁN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY Ngành: Cơng nghệ thơng tin Hải Phịng - 2019 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC DÂN LẬP HẢI PHỊNG -o0o - TÌM HIỂU MỘT SỐ PHƯƠNG PHÁP TRÍCH CHỌN ĐẶC TRƯNG VÀ ỨNG DỤNG CHO TRA CỨU ẢNH THEO NỘI DUNG ĐỒ ÁN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY NGÀNH CƠNG NGHỆ THÔNG TIN Sinh viên : Bùi Thị Thúy Nga Giáo viên hướng dẫn : PGS TS Ngô Quốc Tạo Mã sinh viên : 111217 Hải Phòng, 7/2019 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC DÂN LẬP HẢI PHÒNG CỘNG HÒA XÃ HỘI CHỦ NGĨA VIỆT NAM Độc lập – Tự – Hạnh Phúc -o0o NHIỆM VỤ THIẾT KẾ TỐT NGHIỆP Sinh viên: Bùi Thị Thúy Nga Mã số: 111217 Lớp: CT1101 Ngành : Công nghệ thông tin Tên đề tài: Tìm hiểu số phương pháp trích chọn đặc trưng ứng dụng cho tra cứu ảnh theo nội dung NHIỆM VỤ CỦA ĐỀ TÀI Nội dung yêu cầu cần giải nhiệm vụ đề tài tốt nghiệp a Nội dung - Nghiên cứu đánh giá kỹ thuật tra cứu ảnh theo nội dung - Đề xuất sử dụng số kỹ thuật khác đưa so sánh với hệ thống ảnh trước - Từ đưa phương pháp cải tiến khắc phục hạn chế - Thử nghiệm chương trình tra cứu ảnh theo nội dung b Các yêu cầu cần giải - Tìm hiểu kiến thức xử lý ảnh - Tham khảo mã nguồn mở xử lý ảnh - Nghiên cứu tra cứu ảnh theo nội dung phương pháp trích chọn đặc trưng dựa tài liệu nghiên cứu trước Từ triển khai cài đặt thuật tốn tra cứu ngơn ngữ lập trình C# - Thực nghiệm dựa xây dựng đánh giá kết nghiên cứu Các số liệu cần để thiết kế, tính tốn Các phương pháp trích chọn đặc trưng sau áp dụng vào toán tra cứu ảnh theo nội dung Địa điểm thực tập LỜI CẢM ƠN Em xin bày tỏ lòng biết ơn sâu sắc tới thầy giáo, PGS.TS Ngô Quốc Tạo, Viện Công Nghệ Thông tin thuộc Viện Khoa học công nghệ Việt Nam người trực tiếp hướng dẫn, tận tình bảo em suốt trình làm đồ án Em xin chân thành cảm ơn thầy cô giáo khoa Công nghệ thông tin Trường Đại học Dân Lập Hải Phịng ,những người nhiệt tình giảng dạy truyền đạt kiến thức cần thiết suốt thời gian em học tập trường, để em hoàn thành tốt trình tốt nghiệp Cuối em xin gửi lời cảm ơn đến gia đình, bạn bè, người thân ủng hộ động viên tinh thần đề đồ án hoàn thành Em xin chân thành cảm ơn! Hải Phòng, ngày tháng năm 2019 Sinh viên MỤC LỤC MỤC LỤC DANH MỤC CÁC HÌNH DANH MỤC CÁC CHỮ VIẾT TẮT LỜI NÓI ĐẦU 10 CHƯƠNG 1: TỔNG QUAN 12 1.1 Tổng quan tra cứu ảnh theo nội dung 12 biểu 1.2 Các chức hệ thống tra cứu ảnh dựa vào nội dung tiêu 12 1.2.1 Truy vấn người sử dụng 14 1.2.1.1 Truy vấn ảnh mẫu (QBE – Query By Example) 14 1.2.1.2 Truy vấn đặc trưng (QBF – Query By Feature) 14 1.2.1.3 Các truy vấn dựa vào thuộc tính (Attribute – Based queries) 14 1.2.2 Đánh số nhiều chiều 15 1.3 Đánh giá hiệu tra cứu 15 1.4 Những hệ thống tra cứu ảnh theo nội dung 16 1.4.1 Hệ thống QBIC (Query By Image Content) IBM 17 1.4.2 Hệ thống Virage công ty Virage 17 1.4.3 Hệ thống RetrievalWare tập đồn cơng nghệ Excalibur 17 1.4.4 Hệ thống VisualSeek WebSeek đại học Columbia 18 1.4.5 Hệ thống Photobook phịng thí nghiệm truyền thông MIT 18 1.4.6 Hệ thống Netra Đại học California, Thư viện ảnh Alexandria 18 1.5 Kết luận 18 CHƯƠNG 2: CÁC KHÁI NIỆM CƠ BẢN 20 2.1 Màu sắc 20 2.1.1 Các không gian màu 20 2.1.1.1 Không gian màu RGB 21 2.1.1.2 Không gian màu CMY 21 2.1.1.3 Không gian màu L*a*b 22 2.1.1.4 Không màu HSV 22 2.1.2 Các đặc trưng màu sắc 23 2.1.2.1 Lược đồ màu (Histogram) 23 2.1.2.2 Vector liên kết màu (Color Coherence Vector) 24 2.1.2.3 Tương quan màu 24 2.1.2.4 Các màu trội 25 2.1.2.5 Các mômen màu 25 2.2 Kết cấu 26 2.2.1 Ma trận đồng (Co-occurence Matrix) 27 2.2.2 Các đặc trưng Tamura 27 2.2.2.1 Thô (Coarseness) 27 2.2.2.2 Độ tương phản 28 2.2.2.3 Hướng 28 2.2.3 Các đặc trưng Wold 29 2.2.4 Mơ hình tự hồi qui đồng thời SAR 30 2.2.5 Các đặc trưng lọc Gabor 31 2.2.6 Các đặc trưng biến đổi sóng 32 2.3 Hình dạng 33 2.3.1 Các bất biến mômen 33 2.3.2 Các góc uốn 34 2.3.3 Các ký hiệu mô tả Fourier 35 2.3.4 Hình trịn, độ lệch tâm, hướng trục 36 2.4 Thông tin không gian 36 2.5 Phân đoạn 37 2.6 Độ đo 37 2.6.1 Khái niệm 38 2.6.2 Một số độ đo thông dụng 38 2.6.2.1 Khoảng cách Minkowsky: 38 2.6.2.2 Khoảng cách toàn phương 38 2.6.2.3 Khoảng cách Euclid: 38 2.6.2.4 Độ đo khoảng cách min-max 39 CHƯƠNG 3: KỸ THUẬT TRA CỨU ẢNH DỰA THEO NỘI DUNG 40 3.1 Màu sắc 40 3.1.1 Lược đồ màu 40 3.1.2 Vector liên kết màu (Color Coherence Vector) 40 3.1.3 Đặc trưng tự tương quan màu (AutoCorrelogram) 41 3.2 Độ đo khoảng cách lược đồ màu 41 3.2.1 Khoảng cách dạng Minkowsky 41 3.2.2 Khoảng cách toàn phương 42 3.2.3 Độ đo khoảng cách min-max 43 3.3 Kỹ thuật dựa vào đặc trưng màu 43 3.3.1 Lược đồ màu toàn cục 44 3.3.2 Lược đồ màu cục 45 CHƯƠNG 4: TRIỂN KHAI & THỰC NGHIỆM 46 4.1 Quy trình xây dựng phần mềm tra cứu ảnh tổng hợp 46 4.2 Lựa chọn tập mẫu 47 4.3 Lựa chọn phương pháp truy vấn ảnh 47 4.4 Xây dựng ứng dụng 48 4.5 Kết 49 KẾT LUẬN 52 TÀI LIỆU THAM KHẢO 53 DANH MỤC CÁC HÌNH Hình 1.1 Mơ hình hệ thống tra cứu ảnh theo nội dung Hình 2.1 Khơng gian màu RGB Hình 2.2 Khơng gian màu CMY Hình 2.3 Khơng gian màu HSV Hình 3.1 Khoảng cách dạng Minkowsky Hình 3.2 Khoảng cách dạng tồn phương Hình 3.3 Ba ảnh biểu đồ màu tương ứng Hình 4.1: Quy trình huấn luyện tập liệu ảnh ban đầu Hình 4.2 Mơ hình ứng dụng Hình 4.3: Tập ảnh sở liệu Hình 4.4: Kiến trúc ứng dụng Hình 4.5: Giao diện ứng dụng Hình 4.6: Tiến trình tra cứu Hình 4.7: Kết tra cứu Hình 4.8: So sánh hai kỹ thuật sử dụng DANH MỤC CÁC CHỮ VIẾT TẮT KÝ HIỆU DIỄN GIẢI VIR Visual Information Retrieval (Tra cứu thông tin) CBIR Content Based Image Retrieval (Tra cứu ảnh dựa theo nội dung) RGB Red Green Blue (Đỏ, Xanh lục, Xanh lơ) HSV Hue Saturation Value ( Màu, sắc nét, cường độ) CMY Cyan Magenta Yellow ( màu lục lam, màu đỏ tươi, màu vàng ) QBE Query By Example (Truy vấn ảnh mẫu) QBF Query By Feature (Truy vấn đặc trưng) CCV Color Coherence Vectors (Véc tơ gắn kết màu) SDF Spectral Distribution Functions (Hàm phân bố phổ) MLE Maximum Likelihood Estimation (Ước lượng khả nhất) MRSAR multi-resolution simultaneous auto-regressive model (Mơ hình tự hồi quy đồng thời đa phân giải) SAR Simultaneous Auto-Regressive (Tự hồi quy đồng thời) MRF Markov random field (Trường ngẫu nhiên Markov) PWT Pyramid-Structured Wavelet Transform (Biến đổi song cấu trúc hình chóp) TWT Tree-Structured Wavelet Transform (Biến đổi song cấu trúc cây) RISAR Rotation-Invariant SAR model(Mơ hình SAR bất biến quay) 39 Đây cách tính khoảng cách Euclid thơng thường K bin: K hQ hI Inter section h Q , h I 2.42 j 2.6.2.4 Độ đo khoảng cách min-max Được thực ý tưởng lấy phần giao hai lược đồ màu cần so sánh, ta lược đồ màu, tính tổng giá trị có từ lược đồ mày độ đo min-max Khoảng cách min-max thể tương tự hai lược đồ màu Ta có: d xik , xil D k,l i 2.43 40 Chương 3: KỸ THUẬT TRA CỨU ẢNH DỰA THEO NỘI DUNG 3.1 Màu sắc 3.1.1 Lược đồ màu Lược đồ màu thể màu sắc ảnh Màu sắc thông tin gẫn gũi với người Do đó, việc tìm kiếm theo lược đồ màu thân thiện với người dùng Dựa vào lược đồ màu giúp cho người dùng tìm kiếm ảnh có giống màu sắc Độ đo tính tương tự màu sắc lược đồ màu ảnh truy vấn H I Q lược đồ màu ảnh sở liệu ảnh H I D : M H I Q , j , H I D , j j D IQ,ID 3.1 M HID,j j Trong đó, M : tổng số bin màu 3.1.2 Vector liên kết màu (Color Coherence Vector) Cũng giống lược đồ màu đặc trưng vector liên kết màu thể màu sắc ảnh Nó thể rõ ràng mật độ phân bố màu ảnh Với hai ảnh giống lược đồ màu ng khác phân bố màu sắc, nên trình tra cứu theo lược đồ màu cho nhiều ảnh thừa Nếu trình tra cứu mà sử dụng vector liên kết màu khắc phục tình trạng Với màu, giả sử số điểm liên kết màu vector liên kết màu xác định: Vc [( 1, ), ( , ), , ( n , n )] số điểm khơng liên kết màu 3.2 Trong đó, n số ô màu Độ đo tương tự hai ảnh dựa đặc trưng vector liên kết màu: n D c IQ , I D Qj j Dj Qj Dj 3.3 41 3.1.3 Đặc trưng tự tương quan màu (AutoCorrelogram) Cũng giống vector liên kết màu, đặc trưng tương quan màu thể phân bố màu sắc ảnh Nó thể rõ ràng mật độ phân bố màu ảnh Đặc trưng nhằm giải việc dư thừa tra cứu ảnh, giúp tìm ảnh có ngữ nghĩa gần với ảnh truy vấn nhờ tính chất sau: Bao gồm thông tin tương quan mặt khơng gian màu Có thể dùng để mơ tả phân bố tồn cục mối quan hệ khơng gian cục màu Kích thước vector đặc trưng có dung lượng lưu trữ nhỏ Độ đo tính tương tự màu sắc đặc trưng tương quan màu ảnh truy vấn I Q ảnh sở liệu I I : d i N D IQ,, II d i IQ d Trong đó, d 3.4 II i 1,3,5 , 2k N : tổng bin màu 3.2 Độ đo khoảng cách lược đồ màu 3.2.1 Khoảng cách dạng Minkowsky Độ đo so sánh bin giống lược đồ màu (xem hình 3.1) xác định : r N HQ i HI i d Q, I 3.5 i Trong đó, Q I hai ảnh N số bin lược đồ màu H Q i giá trị bin i lược đồ màu H Q H I i giá trị bin i lược đồ màu H I 42 HQ i HI i N Hình 3.1: 3.2.2 Khoảng cách toàn phương Khoảng cách dạng Minkowsky Độ đo không so sánh bin giống mà so sánh nhiều bin lược đồ màu (xem hình 3.2) xác định: d Q, I HQ HI t A HQ HI 3.6 Trong đó, Q I hai ảnh HQ lược đồ màu ảnh Q H I lược đồ màu ảnh I A [ , j ] ma trận N x N N số bin lược đồ màu , j biểu thị tương tự màu i màu j 43 HQ i a ij H I i N Hình 3.2: Khoảng cách tồn phương 3.2.3 Độ đo khoảng cách min-max Được thực lấy phần giao hai lược đồ cần so sánh, ta lược đồ Tính tổng giá trị có từ lược đồ cho ta độ min-max Khoảng cách min-max thể tương tự hai lược đồ Công thức: Đối với độ đo min: ta tính dựa vào giá trị K bin màu K Inter section h Q , h I h Q j , h I j 3.7 j Đối với độ đo max: ta tính dựa vào giá trị max K bin màu K Inter section h Q , I max h Q j , h I j 3.8 j Matching h Q , h I Intersection h Q , h I max 3.9 hQ i, hI i i i 3.3 Kỹ thuật dựa vào đặc trưng màu Có hai kỹ thuật thường sử dụng tra cứu ảnh theo nội dung dựa đặc trưng màu lược đồ màu tồn cục lược đồ màu cụ 44 3.3.1 Lược đồ màu toàn cục Lược đồ màu tồn cục mơ tả phân bố màu sử dụng tập bin màu Sử dụng lược đồ màu toàn cục, ảnh mã hóa với lược đồ màu khoảng cách hai ảnh xác định khoảng cách lược đồ màu chúng Với kỹ thuật ta sử dụng độ đo khác để tính tốn khoảng cách hai lược đồ màu Ví dụ: 41,7% 33,3% 25% Image A White Gray Red 50% 33,3% 16,7% Image B White Gray Red 41,7% 33,3% 25% Image C White Hình 3.3 : Ba ảnh biểu đồ màu tương ứng Gray Red 45 Trong biểu đồ có ba màu: White, Gray anh Red Ta có kí hiệu lược đồ màu sau: Image A { 25%, 41.7%, 33.3% } Image B { 50%, 16.7%, 33.3% } Image C { 33.3%, 25%, 41.7% } Ta có độ đo khoảng cách hai ảnh A B (sử dụng độ đo khoảng cách Euclid) cho lược đồ màu toàn cục là: 0.25 0.5 d A, B d A, C 0.417 0.167 0.333 0.333 0.203 d B, C 0.829 0.204 Lược đồ màu toàn cục phương pháp truyền thống cho việc tra cứu ảnh dựa theo màu sắc Mặt khác, khơng chứa thông tin liên quan đến phân bố màu vùng Do vậy, khoảng cách ảnh chưa thể khác thực chúng Điều hạn chế lược đồ màu toàn cục 3.3.2 Lược đồ màu cục Phương pháp lược đồ màu cục bao gồm thông tin liên quan đến phân bố màu vùng Trước tiên phân đoạn ảnh thành nhiều khối sau biểu diễn biểu đồ màu cho khối, ảnh biểu diễn biểu đồ Khi so sánh hai ảnh, khoảng cách tính tốn cách sử dụng biểu đồ chúng vùng ảnh vùng tương ứng ảnh khác Khoảng cách hai ảnh xác định tổng tất khoảng cách Khi sử dụng bậc hai độ đo khoảng cách Euclid để tính tốn khoảng cách biểu đồ khoảng cách hai ảnh Q I cho biểu đồ cục là: d Q, I m n k i k Hki H i Q I 3.10 Trong đó, m : số vùng phân đoạn ảnh n : số mức biểu đồ màu H i : giá trị mức i biểu đồ màu đại diện cho vùng k ảnh 46 Chương 4: TRIỂN KHAI & THỰC NGHIỆM 4.1 Quy trình xây dựng phần mềm tra cứu ảnh tổng hợp Lựa chọn tập ảnh tổng hợp CSDL Hình 4.1: Quy trình huấn luyện tập liệu ảnh ban đầu Ảnh cần truy vấn Tính độ đo khoảng cách Kết truy vấn Hình 4.2 Mơ hình ứng dụng 47 4.2 Lựa chọn tập mẫu Hình 4.3: Tập ảnh sở liệu - Tập ảnh mẫu mà em sử dụng gồm 1.491 ảnh thuộc thể loại: o Các kỳ quan o Động vật hoang dã o Phong cảnh tự nhiên o Dân cư số vùng Châu Phi o … Được sưu tầm từ trang: http://www.fuzzywobble.com 4.3 Lựa chọn phương pháp truy vấn ảnh Sau nghiên cứu phương pháp truy vấn ảnh theo nội dung (đã trình bày chương 3), em nhận thấy phương pháp tra cứu ảnh theo nội dung dựa đặc trưng màu sắc phù hợp với chúng em lý do: o Dễ tiếp cận o Dễ cài đặt o Kết tương đối tốt số trường hợp định Các độ đo lược đồ màu mà em sử dụng là: 48 - Độ đo khoảng cách toàn phương - Độ đo khoảng cách min-max Trong đó, với độ đo khoảng cách toàn phương, em sử dụng thư viện xử lý ảnh OpenCV – với wrapper cho C#.NET EmguCV để thao tác số hàm Tính lược đồ màu, nạp ảnh Với độ đo khoảng cách min-max, em khơng sử dụng thư viện bên ngồi 4.4 Xây dựng ứng dụng GIAO DIỆN NGƯỜI SỬ DỤNG Interface IImageCompare RGBHistogram_TOANPHUONG RGBHistogram_MIN Class tính độ đo khoảng cách min/max Class tính độ đo khoảng cách tồn phương Hình 4.4: Kiến trúc ứng dụng - Interface IImageCompare: Là giao diện định nghĩa phương thức cần triển khai chung cho lớp sử dụng để so sánh lược đồ màu Phương thức cần triển khai là: o double GetSimilarity(Bitmap a, Bitmap b): Phương thức truyền vào lớp Bitmap (là ảnh cần so sánh) Kết trả từ [0-1] giá trị độ tương tự ảnh - Xây dựng struct RBGHistogram để lưu trữ thông tin lược đồ màu - Triển khai lớp: RGBHistogram_ToanPhuong RBGHistogram_MIN kế thừa từ IImageCompare để thực thi việc so sánh lược đồ màu nhằm thực mục tiêu toán 49 - Xây dựng phương thức xử lý giao diện, nạp ảnh, thị kết … Môi trường triển khai: - Phần cứng: Cấu hình tối thiểu để cài đặt NET Framework 3.5 - Hệ điều hành: Windows XP, Windows - Môi trường cần: NET Framework 3.5 4.5 Kết - Giao diện ứng dụng: Ảnh cần tra cứu kết DS ảnh CSDL Hình 4.5: Giao diện ứng dụng 50 - Kết thử nghiệm Hình 4.6: Tiến trình tra cứu Hình 4.7: Kết tra cứu - Thực nghiệm so sánh kết sử dụng độ đo khoảng cách min/max độ đo khoảng cách toàn phương 51 Độ đo khoảng cách toàn phương Độ đo khoảng cách min/max Hình 4.8: So sánh hai kỹ thuật sử dụng Theo kết chủ quan, thực nghiệm từ 21 ví dụ Chúng em nhận thấy, độ đo khoảng cách tồn phương cho phép tìm ảnh tương tự tốt Nhưng lại tìm ảnh xác Nghĩa có nhiều ảnh giống nhau, khác kích thước, độ sáng kết kỹ thuật sử dụng độ đo khoảng cách tồn phương cho kết xác ĐỘ ĐO KHOẢNG CÁCH TỒN PHƯƠNG Tìm ảnh có đặc trưng tương tự màu Tốt Tìm ảnh khác kích thước, độ sáng… Độ phức tạp thuật toán Tốc độ thực nghiệm ứng dụng ĐỘ ĐO KHOẢNG CÁCH MIN/MAX Tốt Cao Nhanh (vì sử dụng thư Chậm em chưa viện OpenCV với kiểu tận dụng kỹ liệu trỏ mạnh mẽ) thuật trỏ C# 52  Đánh giá KẾT LUẬN Bài đồ án trình bày số kỹ thuật tảng hệ thống tra cứu ảnh theo nội dung Bao gồm, mô tả nội dung trực quan, đánh giá độ tương tự, sơ đồ đánh số, tương tác với người sử dụng đánh giá hiệu hệ thống Trong đó, nhấn mạnh vào kỹ thuật vào kỹ thuật mô tả đặc trưng trực quan  Những mục tiêu đạt Giới thiệu tổng quan tra cứu ảnh theo nội dung Áp dụng phương pháp tra cứu ảnh theo nội dung vào toán tra cứu ảnh theo đặc trưng màu  Những mục tiêu không khả thi Chưa có chức tra cứu ảnh cách kết hợp nhiều đặc điểm Chưa cài đặt kỹ thuật đánh số  Hướng nghiên cứu tương lai Cài đặt kỹ thuật truy vấn dựa đặc trưng kết cấu Taumura, lọc Garbor Xây dựng ứng dụng web đáp ứng yêu cầu toán 53 TÀI LIỆU THAM KHẢO [1] Guttman, A (1984) R-Tree: A dynamic index structure for spatial searching In Proc of ACM SIGMOD [2] Flickner, M., Sawhney, H., Niblack, W., Ashley, J., Huang, Q., Dom, B., Gorkani, M., Hafner, J., Lee, D., Petkovic, D., Steele, D., and Yanker, P (1995) Query by image and video content: The QBIC project IEEE Computer, 28(9) [3] G Pass, and R Zabith, "Histogram refinement for content-based image retrieval," IEEE Workshop on Applications of Computer Vision, pp 96-102, 1996 [4] A.K Jain, and F Farroknia, "Unsupervised texture segmentation using Gabor filters," Pattern Recognition, Vo.24, No.12, pp 1167-1186, 1991 [5] Beckmann, N., Kriegel, H.-P., Schneider, R., and Seeger, B (1990) The R*Tree: An efficient and robust access method for points and rectangles In Proc of ACM SIGMOD.y h v nbsasaA` [6] Daubechies, "The wavelet transform, time-frequency localization and signal analysis," IEEE Trans on Information Theory, Vol 36, pp 961-1005, Sept 1990 [7] J M Francos "Orthogonal decompositions of 2D random fields and their applications in 2D spectral estimation," N K Bose and C R Rao, editors, Signal Processing and its Application, pp.20-227 North Holland, 1993 [8] Jones, K S and Willett, P (1977) Reading in Information Retrieval Morgan Kaufmann Pub Inc ... tài: Tìm hiểu số phương pháp trích chọn đặc trưng ứng dụng cho tra cứu ảnh theo nội dung 3 NHIỆM VỤ CỦA ĐỀ TÀI Nội dung yêu cầu cần giải nhiệm vụ đề tài tốt nghiệp a Nội dung - Nghiên cứu đánh... ứng dụng số phương pháp tra cứu ảnh, sâu vào giới thiệu phương pháp ? ?tra cứu ảnh theo nội dung? ?? Trên sở tiến hành thử nghiệm phương pháp cụ thể để xây dựng chương trình phần mềm tra cứu ảnh cho. .. thuật tra cứu ảnh dựa vào nội dung, bao gồm: tra cứu thông tin thị giác, chức tiêu biểu hệ thống tra cứu ảnh dựa vào nội dung, đánh giá hiệu tra cứu trình bày số hệ thống tra cứu ảnh theo nội dung